Пошаговое руководство по проверке и структурированию данных пользователей, продуктов и заказов с помощью Pydantic в Python

Введение в Pydantic для валидации данных

В современных приложениях на Python важно проверять данные, особенно если они поступают из API. Pydantic — это мощная библиотека, которая позволяет создавать модели данных и автоматически проверять входные данные.

Шаг 1: Установка зависимостей

Установите Pydantic с помощью команд:

pip install pydantic
pip install pydantic[email]

Первая команда устанавливает основную библиотеку, а вторая добавляет функции для проверки email.

Шаг 2: Определение моделей Pydantic

Создадим модели для пользователя, продукта и заказа:

from typing import List, Optional
from pydantic import BaseModel, Field, EmailStr, conint

Каждая модель будет проверять входящие данные на соответствие заданным критериям:

User: проверяет имя, email, возраст и номер телефона.
Product: проверяет название, цену и количество.
Order: связывает пользователя и продукты, вычисляет общую стоимость.

Шаг 3: Реализация валидации

Создадим функцию main(), которая будет проверять данные пользователя и продуктов:

def main():
    user_data = {
        "name": "Jane Doe",
        "email": "jane.doe@example.com",
        "age": 30,
        "phone_number": "+1234567890"
    }
    products_data = [
        {"name": "Keyboard", "price": 49.99, "quantity": 1},
        {"name": "Mouse", "price": 19.99, "quantity": 2}
    ]
    order_data = {
        "order_id": 101,
        "user": user_data,
        "products": products_data
    }

Эта функция создаёт и проверяет модели. Если данные некорректны, Pydantic выдаст ошибку валидации.

Шаг 4: Запуск программы

Запустите функцию main(), чтобы увидеть результат валидации:

main()

Программа выведет модели пользователя, продуктов и заказа, а также общую стоимость заказа.

Заключение

Используя Pydantic, вы можете эффективно управлять данными в приложении, обеспечивая их корректность и целостность. Это помогает избежать ошибок и упрощает логику кода.